發(fā)布時間：2024-07-09 04:37

　　傳統(tǒng)的目標(biāo)識別算法簡單、數(shù)據(jù)計算量小,可以快速完成簡單背景下的目標(biāo)識別任務(wù),但是其無法保證復(fù)雜背景下的識別準(zhǔn)確率,算法性能也不會隨著樣本數(shù)據(jù)的增加獲得優(yōu)化。因此,基于深度學(xué)習(xí)的目標(biāo)識別算法已經(jīng)開始被引入到實際應(yīng)用中。本文利用雙目相機(jī)和深度學(xué)習(xí)算法設(shè)計了倉儲堆垛目標(biāo)的自動識別定位系統(tǒng),該系統(tǒng)能夠準(zhǔn)確識別出堆垛目標(biāo)并計算出其空間位置。本文的主要創(chuàng)新工作如下:(1)設(shè)計一種基于雙目相機(jī)和深度學(xué)習(xí)的堆垛目標(biāo)識別定位系統(tǒng)(Binocular-Neural Network Positioning System,B-NPS)。系統(tǒng)的實現(xiàn)步驟是:系統(tǒng)初始化,利用“張正友標(biāo)定法”對雙目相機(jī)進(jìn)行標(biāo)定,制作“Box”數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò);使用雙目相機(jī)拍攝堆垛目標(biāo)空間圖像;將圖像數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)Mask R-CNN進(jìn)行處理,計算出堆垛目標(biāo)在兩張圖片中的像素坐標(biāo);根據(jù)雙目相機(jī)定位原理和相機(jī)內(nèi)外參數(shù)獲得堆垛目標(biāo)的三維空間位置坐標(biāo)。(2)以降低系統(tǒng)復(fù)雜度,避免出現(xiàn)計算浪費現(xiàn)象為目標(biāo),在系統(tǒng)中加入預(yù)判斷網(wǎng)絡(luò)Prejudge Network,提出改進(jìn)后系統(tǒng)PB-NPS(Prejudged Binocular-Neur...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1目標(biāo)定位方法分類激光測距一般借助激光雷達(dá)[55]實現(xiàn)，激光雷達(dá)通過測量激光在雷達(dá)和物體間的運動時間

南京郵電大學(xué)碩士研究生學(xué)位論文第一章緒論2一種可以實現(xiàn)對堆垛目標(biāo)自動識別和定位的系統(tǒng)必然對堆垛機(jī)器人的設(shè)計和使用有重要意義。目標(biāo)識別定位研究現(xiàn)狀1.2.1目標(biāo)定位方法研究現(xiàn)狀在研究解決機(jī)器人目標(biāo)定位問題時，常常借助相機(jī)或者傳感器實現(xiàn)對目標(biāo)的定位，例如單目相機(jī)[43]、雙目相機(jī)[4....

圖1.2深度學(xué)習(xí)在目標(biāo)識別領(lǐng)域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表

南京郵電大學(xué)碩士研究生學(xué)位論文第一章緒論5圖1.2深度學(xué)習(xí)在目標(biāo)識別領(lǐng)域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表。R-CNN[35]模型是R-CNN系列算法的開端。R-CNN的設(shè)計思路很簡單，先在圖片上選定不同的區(qū)域作為感興趣區(qū)域，然后....

圖1.2本文主要工作示意圖

南京郵電大學(xué)碩士研究生學(xué)位論文第一章緒論6論文主要工作圖1.2本文主要工作示意圖本文研究工作獲得了國家自然科學(xué)基金“基于深度學(xué)習(xí)的移位MIMO‘鬼’成像方法研究”（項目批準(zhǔn)號：61871234）的支持。本文以研究基于雙目相機(jī)和深度學(xué)習(xí)的堆垛目標(biāo)識別定位系統(tǒng)為目的，分別從以下三個創(chuàng)....

圖2.1雙目相機(jī)模型

南京郵電大學(xué)碩士研究生學(xué)位論文第二章雙目相機(jī)定位原理及目標(biāo)識別方法10向且重合，和方向相同，互相平行，兩軸間的距離為基線距離b。左右兩個相機(jī)的成像平面互相平行且重疊。圖2.1雙目相機(jī)模型B-NPS系統(tǒng)將世界坐標(biāo)系的原點設(shè)置為左相機(jī)的中心，即與左相機(jī)的相機(jī)坐標(biāo)系重合。設(shè)空間內(nèi)的一點....

本文編號：4004406